(世界经济专业论文)GARCH族模型的风险预测能力在上海股市的实证研究.pdf_第1页
(世界经济专业论文)GARCH族模型的风险预测能力在上海股市的实证研究.pdf_第2页
(世界经济专业论文)GARCH族模型的风险预测能力在上海股市的实证研究.pdf_第3页
(世界经济专业论文)GARCH族模型的风险预测能力在上海股市的实证研究.pdf_第4页
(世界经济专业论文)GARCH族模型的风险预测能力在上海股市的实证研究.pdf_第5页
已阅读5页,还剩56页未读, 继续免费阅读

(世界经济专业论文)GARCH族模型的风险预测能力在上海股市的实证研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

, 学位论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独 立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论 文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 学位论文作者签名:刁辑) 自 日期:矽口7 年占月岁日 j 学位论文使用授权声明 本人完全了解中山大学有关保留、使用学位论文的规定,即:学 校有权保留学位论文并向国家主管部门或其指定机构送交论文的电 子版和纸质版,有权将学位论文用于非赢利目的的少量复制并允许论 文进入学校图书馆、院系资料室被查阅,有权将学位论文的内容编入 有关数据库进行检索,可以采用复印、缩印或其他方法保存学位论文。 学位论文作者签名:旅利影 导师签名:脚7 日期:加彳年乡月,日 g a r c h 族模型的风险预测能力在上海股 市的实证研究 专业:世界经济 硕士生:张利民 指导教师:何兴强副教授 摘要 波动性是股票市场的显著特征。适度的波动有利于增进股票市场活力,提高 股票市场流动性水平;剧烈、频繁的波动则会扭曲市场的价格机制,导致市场效 率损失,进而阻碍市场优化资源配置功能的发挥。研究中国股市波动规律,能够 指导投资者预测风险,引导投资者合理投资,进而降低市场噪声风险,加快中国 股市健康发展。 本文首先分析了中国股市波动幅度大于西方发达国家波动幅度的原因。然后 从定量的角度出发,在国内外理论的基础上,比较正态分布、t 分布、g e d 分布 下的g a r c h 族模型( g a r c h 、e g a r c h 、t a r c h 、p a r c h ) 的风险预测能力。本文使用 g a r c h 族模型对上海股票市场的波动性进行了检验,发现上海股市具有较为显著 的a r c h 现象和“杠杆效应”。接着比较各种g a r c h 模型的a i c 和s c 值,认为e g a r c h 模型的刻画能力最优。然后结合在险价值和条件在险价值方法从风险的预测能力 角度考察,表明正态分布的g a r c h 族模型会低估风险,t 分布的g a r c h 族模型会 高估风险。使用动态分位数检验表明t 分布的g a r c h 族模型估计失败的v a r 之间 具有明显的相关性。最后,本文认为e g a r c h - g e d 分布最适合描述中国股市波动, 并且给出政策建议促进中国股市健康发展。 关键词:g a r c h 族模型;风险预测;在险价值;条件在险价值;动态分位 数检验 a n p i r i c a 。r e s e a r c ho nt h er i s kp r e d i c t i o na b i l i t yofane m p i r i c a lr e s e a r c o nt l l er i s rp r e d i c t i o na d f l l t y g a r c h f a m i l ym o d e l si ns h a n g h a is t o c km a r k e t m a j o r :i n t e r n a t i o n a le c o n o m i c s n a m e :z h a n gl i m i n s u p e r v i s o r :v i c ep r o f e s s o rh ex i n g q i a n g a b s t r a c t t h es t o c km a r k e th a sa l w a y sb e e nc h a r a c t e r i z e d b y f l u c t u a t i o n m o d e r a t e f l u c t u a t i o nh e l p ss t r e n g l h e nt h ev i t a l i t yo ft h es t o c km a r k e ta n de n h a n c et h em o b i l i t y o ft h es t o c km a r k e t h o w e v e r , v i o l e n ta n df r e q u e n tf l u c t u a t i o nd i s t o r t st h ep r i c i n g s y s t e mo ft h es t o c km a r k e ta n dc a u s e st h el o s so fm a r k e te f f i c i e n c y a sar e s u l t ,t h e s t o c km a r k e t sf u n c t i o no fr e s o u r c e sa l l o c a t i o no p t i m i z a t i o nw i l lb ei m p e d e d t h e s t u d yo nt h el a wo ft h ec h i n a ss t o c km a r k e tf l u c t u a t i o np r o v i d e sr i s kp r e d i c t i o n g u i d a n c ef o rt h ei n v e s t o r sa n dm o t i v a t et h e mi n v e s tr a t i o n a l l y t h u s ,i tc a nd e c r e a s e t h en o i s er i s ko ft h es t o c km a r k e ta n dh e l pa c c e l e r a t et h eh e a l t h yd e v e l o p m e n to f c h i n a ss t o c km a r k e t t l l i sp a p e rf i r s t l ya n a l y z ew h yt h ea m p l i t u d eo ft h ef l u c t u a t i o no fc h i n as t o c k m a r k e ti sg r e a t e rt h a nt h a to fw e s t e r nd e v e l o p e dc o u n t r i e s t h e n ,b a s e do n as t u d yo f e x i s t i n gl i t e r a t u r e s ,t h i sp a p e rc o m p a r e st h er i s kp r e d i c t i o na b i l i t yo fg a r c hf a m i l y m o d e l s ( g a r c h ,e g a r c h ,t a r c h ,p a r c h ) w i t hn o r m a ld i s t r i b u t i o n , t d i s t r i b u t i o na n dg e dd i s t r i b u t i o nb yq u a n t i t a t i v em e t h o d s ,n l i sp a p e ra p p l i e s g a r c hm o d e l st ot h ev o l a t i l i t yt e s to fs h a n g h a is t o c km a r k e t , f i n d i n go u tt h e r ei sa n a r c hp h e n o m e n o na n das t r o n g l e v e r a g e e f f e c ti n s h a n g h a i s t o c km a r k e t s u b s e q u e n t l y ,t h i sp a p e rc o m p a r e st h ea i c a n ds cv a l u eo ft h eg a r c hm o d e l sa n d a r g u e st h a te g a r c h i sb e s ts u i t e dt od e s c r i b ec h i n as t o c km a r k e t t h e n ,t h i sp a p e r a d o p t st h ev a l u ea tr i s ka n dc o n d i t i o n a lv a l u e 砒r i s km e t h o dt oi n v e s t i g a t et h er i s k p r e d i c t i o na b i l i t yo fg a r c hf a m i l ym o d e l sw i t hn o r m a ld i s t r i b u t i o n , td i s t r i b u t i o n n a n dg e dd i s t r i b u t i o na n df i n d so u tg a r c hf a m i l ym o d e l sw i t hn o r m a ld i s t r i b u t i o n u n d e r e s t i m a t et h er i s ka n dg a r c h f a m i l ym o d e l sw i t h td i s t r i b u t i o no v e r e s t i m a t et h e r i s k t h ed y n a m i cq u a n t i l et e s ts h o w st h a tt h e r ei ss t r o n gc o r r e l a t i o nb e t w e e nf a i l e d v a r f i n a l l y , t h i sp a p e rc o n c l u d e st h a te g a r c h - g e dm o d e li sb e s ts u i t e d t o d e s c r i b ec h i n a ss t o c km a r k e ta n dp u t sf o r w a r dp o l i c ys u g g e s t i o n st ot h eh e a l t h y d e v e l o p m e n to fc h i n a ss t o c km a r k e t k e yw o r d s :g a r c hf a m i l ym o d e l s ;r i s kp r e d i c t i o n ;v a l u ea tr i s k ;c o n d i t i o n a l v a l u ea tr i s k :d y n a m i cq u a n t i l et e s t m 目录 第1 章研究概述1 1 1 选题背景1 1 2 国内外文献综述2 1 3 研究内容及整体框架。7 1 4 本文的研究工作8 第2 章时间序列及g a r c h 族模型介绍一9 2 1 时间序列相关概念。9 2 2g a r c h 族模型1 2 2 3 残差分布函数1 6 第3 章市场风险度量的v a r 及c v a r 方法1 8 3 1v a r 概j 盎1 8 3 2v a r 的计算方法1 9 3 3v a r 准确性的回顾测试。2 2 3 4c v a r 方法简介2 4 3 5c v a r 的计算方法2 6 3 6c v a r 的准确性回顾测试2 6 第4 章实证结果分析与结论2 8 4 1 样本数据预处理2 8 4 2g a r c h 族模型估计结果的经济分析3 3 4 3g a r c h 族模型风险预测能力评价。3 8 第5 章总结和展望4 4 5 1 本文总结4 4 i v 5 2 政策建议4 4 5 3 不足与展望4 5 参考文献4 6 后记5 0 v 图表目录 图i - i 论文内容框架7 图2 1 标准正态分布、t 分布、g e d 分布的密度函数1 7 图4 - 1 上证综指指数价格时间序列图2 8 图4 - 2 上证综指收益率o - o 图3 0 图4 3 上证综指密度函数图与正态分布密度函数对比图3 0 图4 4 上证综指的日收益率自相关系数和偏自相关系数图3 1 图4 5 上证综指对数日收益率时间序列图3 2 表4 1 上证综指收益率基本统计量表2 9 表4 - 2 平稳性检验的a i c 、s c 值列表3 1 表4 - 3 上证综指日收益率a r c h l mt e s t 3 2 表4 - 4 四种指数收益率的波动方差比较3 3 表4 5 非流通股占我国股票市场的比例( 单位:亿股) 。3 3 表4 - 6 我国股票市场换手率( ) 3 4 表4 - 7g a r c h 族模型参数估计结果比较表( 括号内为标准差) 3 5 表4 - 8g a r c h 族模型在三种分布下的a i c 、s c 值3 6 表4 - 9 置信水平为9 5 时g a r c h 族模型v a r 统计量3 8 表4 - 1 0 置信水平为9 9 时g a r c h 族模型v a r 统计量4 0 表4 - i1e g a r c h 模型的v a r 与c v a r 比较4 1 表4 - 1 2 置信水平为9 5 时,实际损失、c v a r 、v a r 、d l c 统计表4 2 v i 表4 - 1 3 置信水平为9 9 时,实际损失、c v a r 、v a r 、d l c 统计表4 3 v h 1 1 选题背景 第1 章研究概述 随着信用经济的不断发展,股票市场在现代市场经济体系中资源配置的重要 性日益明显。信息、资本的快速流动使得股票市场价格不断变化,股票价格的变 化又反向影响信息以及资本的流动。两者的相互作用使得股票市场充满着不确定 性。研究中国股市波动规律,能够指导投资者预测风险,引导投资者合理投资, 进而降低市场噪声风险,加快中国股市健康发展。 股票指数是表示多种股票平均价格水平及其变动的指标,能够衡量整个股票 市场的总体价格变化,比较全面地反映股票行情的变化和发展趋势,因而国内外 大量文献都通过针对股票指数建模研究股票市场。经典资本市场理论在描述股票 市场收益率变化时一般假定收益率服从正态分布、方差保持不变。但是近年来实 证研究表明假设收益率方差保持不变是不尽合理的。大量的研究表明股票市场收 益率的分布往往呈现出“尖峰厚尾 的分布态势,与股票市场收益率正态分布的 假定不符合。另外,股票市场收益率的波动往往在较大幅度波动后面伴随着较大 幅度的波动,在较小幅度的波动的后面伴随着较小幅度的波动,股票市场波动的 这种性质称为“波动集群性。传统的时间序列模型往往无法捕捉股市收益率分 布的“尖峰厚尾”特征和股市波动的集群性。为了更好地描述股票市场的波动规 律,许多经济学家尝试用不同的模型刻画股票市场的波动性。e n g l e ( 1 9 8 2 ) 提出 自回归条件异方差模型( a r c h 模型) ,成功地刻画了股票市场波动随时间变化的 特点。a r c h 模型是过去二十年内金融计量学发展中重大的创新。目前所有的波 动率模型中a r c h 类模型无论从理论研究的深度还是从实证运用的广泛性来说都 是独一无二的。e n g l e 也因此获得2 0 0 3 年诺贝尔经济学奖。 上海证券交易所自1 9 9 0 年宣告成立至今已经将近1 9 年。中国股市发展历程 尚短,监管技术与手段还没有达到国际先进水平,从而导致中国股市运作并不完 善,中国股市还未达到弱势有效。市场竞争的无序性、信息的垄断性、运行机制 不规范以及投资主体投资往往盲目跟风、缺乏理性投资等原因,中国股票市场的 波动性十分剧烈,市场暴涨暴跌的现象时而发生。上证综指在0 7 年节节攀升, 至2 0 0 7 年1 0 月1 6 日达到6 0 9 2 点,之后上证综指开始急剧下跌,截至2 0 0 8 年 1 1 月1 1 日,上证综指已经跌至1 8 4 3 点。适度的波动有利于增进市场的活力, 提高市场流动性水平;剧烈、频繁的波动则会扭曲市场的价格机制,导致市场效 率损失,进而阻碍市场优化资源配置功能的发挥。因此有必要研究我国股票市场 波动的特征,加大对中国股票市场的风险管理。 伴随经济全球化、金融一体化的是金融市场波动性和系统性风险的加剧,有 效控制风险便成为所有金融机构的首要目标。v a r 方法不仅能清晰地表示市场风 险的大小,而且有严谨的概率统计理论作依托,因此一经提出便获得了国际金融 界的广泛认可和支持。美国2 0 0 7 年夏爆发的“次贷危机 引发而席卷全球范围 的金融风暴加剧了全球金融市场的动荡,中国股市的波动和风险也进一步加剧。 结合中国实际情况,将当前国际流利的v a r 风险度量技术引入中国股市,指导投 资者合理预测风险,降低市场噪声风险,对于提高中国股市效率具有十分重要的 现实意义。 1 2 国内外文献综述 1 2 1 国外研究成果 l 、a r c h 族波动理论国外研究成果 经典的资本市场理论在描述股票市场收益率的变化特征时,其采用的计量模 型一般都假设收益率的方差即波动率保持不变,但是对股票市场数据大量的实证 表明,这一假设是不合理的。为了更准确地描述股票市场的波动性,多年来经济 学家们一直努力构建更为精确的模型。e n g l e ( 1 9 8 2 ) 提出a r c h ( a u t o r e g r e s s i v e c o n d i t i o n a lh e t e r o s c e d a s t i c i t y ) 模型用于描述股市的波动特性,被认为集中 地反映了股票市场波动的异方差性质,能够更有效地描述股票市场的波动规律, 因而a r c h 模型在提出之后得到了广泛的应用。但是在实际应用中,为了达到更 好的拟合效果,a r c h 模型需要设定较多的滞后项来描述波动的持续性,这往往 会造成参数过多而降低估计的有效性。针对a r c h 模型的不足, b o l l e r s l e v ( 1 9 8 6 ) 但1 推广了a r c h 模型,提出了广义a r c h 模型,即g a r c h ( p ,q ) 模型( g e n e r a l i z e da u t o r e g r e s s i v ec o n d i t i o n a lh e t e r o s c e d a s t i c i t y ) ,该模 2 型允许条件方差依赖自身的前期值。g a r c h 模型比a r c h 模型更为简单,并解决 了参数过多导致有效性降低的不足,因此g a r c h 模型对股票市场的拟合效果比 a r c h 模型的拟合效果更好。e n g l e 、8 0 l l e r s l e v ( 1 9 8 6 ) 3 提出单整g a r c h 模型即 i g a r c h 模型,在i g a r c h 模型中条件方差的扰动可以对各个时期的方差预测产生 明显的影响。e n g l e 、l i l i e n 、r o b b i n s ( 1 9 8 7 ) h 1 把条件方差作为回归因子引入相 应的均值方程,提出了a r c h - m 模型。n e l s o n ( 1 9 9 1 ) 3 提出e g a r c h 模型用于刻画 股市的“非对称效应”。z a k o i a n ( 1 9 9 4 ) 1 和g l o s t e n ,j a g a n n a t h a n ,r u n k l e ( 1 9 9 3 ) m 各自分别提出了t h r e s h o l da r c h ( t a r c h ) 模型用于描述股市的“非对称效应。 d i n g 、g r a n g e r 、e n g l e ( 1 9 9 3 ) 呻1 在g a r c h 模型的基础上进行扩展提出了p a r c h 模 型,p a r c h 模型比g a r c h 模型增加了两个参数,其中一个用来捕捉股票市场的杠 杆效应,另外一个参数用来评价冲击对条件方差的影响幅度。d i n g 、g r a n g e r ( 1 9 9 6 ) 1 在g a r c h ( 1 ,1 ) 模型的基础上建立非对称的成分g a r c h 模型,用以刻画收益序列 的短期波动和长期波动水平。b a i l l i e 、b o l l e r s l e v 、m i k k e l s e n ( 1 9 9 6 ) 伽将 i g a r c h 模型拓展成为分数单整g a r c h 模型即f i g a r c h 模型,b a i l l i e 等人指出, f i g a r c h 模型条件方差的扰动对未来各个时期条件方差的预测的影响呈缓慢的双 曲率衰减。d a v i d s o n ( 2 0 0 4 ) n 妇提出h y p e r b o l i cg a r c h 模型即广义的f i g a r c h 模 型,h y g a r c h 模型的双曲线记忆通过其参数d 来度量。 实证方面,c h o u ( 1 9 8 8 ) n 2 1 使用g a r c h - m 模型研究波动持续性与股市波动的 关系,并且将g a r c h 模型与两阶段估计法进行对比,发现g a r c h 模型能够给出更 稳健的结果。a k g i r a y ( 1 9 8 9 ) n 3 1 分析股指日收益率发现g a r c h ( 1 ,1 ) 模型优于a r c h 模型、a r m a 模型并且能给出最佳预测值。f r a n s e s 和v a nd i j k ( 1 9 9 6 ) n 铂在预测 股票市场指数的周波动时,比较了g a r c h 类模型中的三种模型:标准g a r c h , q g a r c h 、g j r 模型,发现q g a r c h 模型在预测能力上优于g a r c h 和g j r g a r c h 模型。 b r a i l s f o r d 、f a f f ( 1 9 9 6 ) n 剐通过预测澳大利亚月度的股票指数波动,发现g a r c h 模型优于其他各种简单的模型,并且认为g j r - g a r c h ( 1 ,1 ) 最优。g i o t 、 l a u r e n t ( 2 0 0 3 ) n 明使用p a r c h 模型计算股市日波动率和实现波动率下的v a r ,发 现日波动率下的v a r 的精确度和实现波动率下的v a r 精确度相仿。h a n s e n 、 l u n d e ( 2 0 0 5 ) n 7 1 利用马克对美元汇率数据使用a r c h 族模型进行样本外预测,发 现简单的g a r c h ( 1 ,1 ) 模型的预测功能就和其他复杂模型的预测功能相当。但是 在预测i b m 收益率时,g a r c h ( 1 ,1 ) 模型的预测能力不如能够体现“杠杆效应 的 模型。国外研究的结论表明:g a r c h 模型在描述股票市场的波动方面,有着其优 势,相比以往的其他模型,能够更好地刻画股市的波动规律。 2 、v a r 理论国外研究成果 v a r 作为一种全新的风险度量技术最早产生于1 9 9 4 年j pm o r g a n 主席d e n n i s w e a t h e r s t o n e 要求业务部门于每日营业结束后交的一页反映公司每日潜在损失 的报告。k u p i e c ( 1 9 9 5 ) n 踟提出了失败频率检验法,以检验v a r 估计的正确性。 p h i l i p p ej o r i o n ( 1 9 9 6 ) n 钔详细介绍了v a r 的定义以及一般分布下v a r 的计算方 法。a i ts a h a l i a 和l o ( 2 0 0 0 ) 乜们给出了应用非参数方法进行v a r 估计的方法。 r o c k a f e l l a r 、u r y a s e v ( 2 0 0 0 ) 扫玎针对v a r 度量风险能力的不足,提出了 c v a r ( c o n d i t i o n a lv a l u ea tr i s k ) 的概念,获得学术界的一致认可。 a r j a n ( 2 0 0 2 ) 拉2 1 指出v a r 在应用与信息披露的过程中,以简单明了的数字向交易 双方传达了一个公司存在的各式各样的金融风险,使得信息对称化,使原本在信 息占有优势的一方不能隐瞒其风险。f a n 和g u ( 2 0 0 3 ) 口3 1 给出基于半参数方法的 v a r 估计方法。e n g l e 、m a n g a n e l l i ( 2 0 0 4 ) 但4 1 应用分位点回归的思想给出了c a v i a r 的估计方法。 1 2 2 国内研究成果 l 、a r c h 族波动理论国内研究成果 近年来,国内不少学者开始运用a r c h 模型研究我国股票市场的波动特征。 模型的实证研究方面:丁华( 1 9 9 9 ) 嗌1 引入a r c h 模型分析上证a 股指数,认 为其存在明显的a r c h 效应并且波动平稳。张思奇、马刚、冉华( 2 0 0 0 ) 啪1 利用 a r m a - a r c h - m 模型研究了我国股票市场收益率的时间序列行为并分析了市场整体 风险配置性质。唐齐鸣、陈健( 2 0 0 1 ) 乜7 1 利用t 一分布的条件异方差自回归模型, 研究了我国股票市场价格波动的特征,针对中国股市现存问题,提出了加快中国 股市发展的建议。陈浪南、黄杰鲲( 2 0 0 2 ) 啪3 采用g j r - g a r c h - m 模型,从实证的 角度分析了利好消息和利空消息对中国股市的非对称影响。胡海鹏,方兆本( 2 0 0 2 ) 汹1 利用a r ( m ) - e g a r c h ( p ,q ) 模型对中国股市的波动情况进行拟合分析,认为 4 e g a r c h 模型适合描述中国股市波动情况,并针对其结果给出了相应的政策建议。 田华、陆庆春( 2 0 0 3 ) 啪1 利用g a r c h 族模型,实证分析了上海股票市场的周日效 应,具体表现为“负的周一效应”和“正的周五效应 。王美今、孙建军( 2 0 0 4 ) 口u 利用e g a r c h 模型结合投资者情绪发现投资者的情绪变化不仅显著地影响沪深两 市收益,而且显著地反向修正沪深两市的波动,建议提高机构投资者的素质、增 强其投资行为的理性化程度。余坚、陈晓红( 2 0 0 5 ) 魄3 采用g a r c h 类模型,对我 国股市中小上市公司收益率波动进行了实证研究,显示中小上市公司收益率具有 较高的波动性,并提出了对“小盘股效应 的新解释和相关政策建议。童汉飞、 刘宏伟( 2 0 0 6 ) 3 采用j u m p - g a r c h 模型对沪深两市a 股b 股的跳跃性特征进行了 实证分析,认为正态分布的g a r c h 模型不适合描述收益率过程,采用t 分布的 g a r c h 可能更恰当。陈雄兵、张宗成( 2 0 0 8 ) 泓1 基于g a r c h m 模型分析表明沪深两 市收益率的最大与最小值都出现在周二与周四;两市的最小波动均在周二,但沪 市的最大波动在周三,而深市的最小波动则在周一,并且中国股市的收益率与市 场风险有显著的正向关系。 模型预测效果的比较方面:刘国旗( 2 0 0 0 ) b 胡运用非线性g a r c h 模型对中国 股市波动进行了实证分析,认为在刻画中国股市波动方面g a r c h 模型优于随机游 走模型,为g a r c h 模型在中国股市进一步应用提供了证据。陈守东、俞世典( 2 0 0 2 ) 1 结合v a r 分析上海股票市场和深圳股票市场,认为t 分布和g e d 分布下的g a r c h 模型能够更好地反映出收益率的风险特性。李亚静、朱宏泉、彭育威( 2 0 0 3 ) 口刀 选取g a r c h 、t a r c h 、e g a r c h 模型来拟合中国股市的波动性,发现中国股市波动 具有显著的波动聚集性和持续性,且e g a r c h 模型预测的效果较好。郑周( 2 0 0 4 ) 啪1 在四种不同分布的假设下,使用上证指数对g a r c h ( 1 ,1 ) 模型预测能力进行实证 研究表明:使用“厚尾”分布假设提高了模型的预测绩效,但引入偏斜t 分布并 未能进一步提高模型预测力。龚锐、陈仲常、杨栋锐( 2 0 0 5 ) 啪3 使用g a r c h 模型 的v a r 方法得出结论:g a r c h 模型计算得到的v a r 优于j pm o r g a n 公司的风险 矩阵计算的v a r ,并且认为e g a r c h 、p a r c h 模型计算得到的v a r 值要优于用g a r c h 模型得到的v a r 值。郑梅、苗佳、王升华( 2 0 0 5 ) “们检验和对比三种g a r c h 模型 对于我国上海、深圳股市波动性的预测能力,并使用非对称的预测指标以体现对 于预测误差高低的不同个体需求。其研究发现我国上海与深圳股市受坏消息的负 5 面影响大于同等程度好消息的正面影响,相对g a r c h 模型而言,运用e g a r c h 和 t a r c h 模型能够提高波动性预测结果的准确性。庄彬惠、曾五一( 2 0 0 6 ) “玎以上证 综合指数为例,通过实证研究发现,对于我国上证综指的日收益率和周收益率序 列,e g a r c h ( 1 ,1 ) 模型都是最合适的波动预测模型,且e g a r c h 模型对日收益率 波动和拟合的预测比对周收益率更优,从而得出结论我国股市存在比较明显的杠 杆效应,且日收益率序列的杠杆效应比周收益率的杠杆效应显著。周颖、仇晓光 ( 2 0 0 7 ) h 羽利用c v a r - g a r c h - g e d 模型对期铜市场进行了分析,表明 c v a r - g a r c h - g e d 模型能够更好地反映期货市场收益的尖峰厚尾性,并且能显著 提高预测的准确性。徐炜、黄炎龙( 2 0 0 8 ) h 3 3 比较研究了r i s km e t r i c s 以及g a r c h 族模型在正态分布和偏斜t 分布下度量v a r 值的精确程度,同时对向前一步预测 的v a r 值进行了失败率检测法和动态分位数测试,认为在不同置信水平下, e g a r c h 和f i g a r c h 模型预测的v a r 值更加精确。 2 、v a r 理论国内研究成果 我国理论界对v a r 方法的探讨始于1 9 9 7 年。郑文通( 1 9 9 7 ) m 1 首先对v a r 方 法及其在国际银行业风险管理中的应用进行了简介。刘宇飞( 1 9 9 9 ) h 5 1 提出了v a r 方法在我国金融监管中的运用及意义,并具体指出如何运用国际上通行的“返回 检验 方法对模型进行检验。范英( 2 0 0 0 ) “6 1 运用v a r 方法对深市综合指数的风 险进行了探索,发现运用v a r 方法只略微低估深市综合指数的市场风险,为v a r 方法在我国的应用找到了一些经验证据。王春峰、李刚( 2 0 0 2 ) h 7 1 提出分布拟合 法估计金融市场风险的v a r ,以道琼斯指数、美元对英镑和日元的汇率数据为例, 验证分布拟合提高了估算精度。田新时、刘汉中和李耀( 2 0 0 3 ) 3 在广义误差的 假定下讨论了v a r 的计算,探讨了在实现v a r 风险监管中如何采用适当的内部模 型。刘小茂和田立( 2 0 0 5 ) 呻1 对v a r 和c v a r 的性质和最优算法进行了比较,说明 只有当收益服从高斯分布时,基于v a r 和基于c v a r 的两种最优组合问题的解才 是一致的,基于v a r 的最优问题才有意义。刘俊山( 2 0 0 7 ) 唧1 在一致风险测度理 论框架内和随机占优理论框架内比较v a r 和c v a r 的优劣,指出c v a r 在性质上优 于v a r ,但在椭圆分布假定下,v a r 依然保持次可加性和二阶随机占优的一致性。 j 探讨了c v a r 在风险管理和监管实践中遇到的问题,指出c v a r 模型的事后检验不 容易实施。 6 1 3 研究内容及整体框架 本文首先分析了中国股市波动幅度比西方发达国家股市波动幅度较大的原 因,然后利用v a r 方法以及c v a r 方法对上海股票市场的波动性问题进行了实证 研究,着重对比了在正态分布、t 分布以及g e d 分布下g a r c h 族的四种模型对 上海股市风险预测的有效性。文章的整体框架如图1 1 所示: 选题背景及研究意义 土 国内外文献回顾 1 r 中国股市波动的定性分析 上 1 r1r1r1r i g a r c h 模型e g a r c h 模型t a r c h 模型p a r c h 模型 1r 1r 1r 1r 、r1r1 r 正态分布t 分布g e d 分布 1r v 狐、动态分位数检验及c v a r 方法考察风险预测能力 1r 结论及建议 图1 - 1 论文内容框架 本文总体框架如图1 1 所示,前文已经阐述了选题背景并且进行了文献回顾, 本文余下部分主要内容如下: 第二章简述时间序列的概念以及g a r c h 族的模型体系。 7 第三章简要介绍当前国际流行的v a r 风险控制方法以及其改进的c v a r 方 法。第二章和第三章的理论知识为第四章的实证研究打下基础。 第四章首先分析中国股市波动幅度比西方发达国家股市波动幅度较大的原 因,然后结合v a r 方法以及c v a r 方法对比考察三种不同分布下g a r c h 族模型 在预测上证综指收益率风险的能力。 第五章对本文所做的研究工作进行总结,概述了本文的实证结果并提出相应 的政策建议,总结了本文不足并指出本文的进一步研究方向。 1 4 本文的亮点 ( 1 ) 本文从定性方面考察了中国股市风险较大的原因,然后从定量的角度给 出风险控制的方法。 ( 2 ) 本文在使用v a r 方法进行风险预测时,使用动态分位数考察了估计失败 的v a r 之间的动态相关性,从稳健性的角度考察了g a r c h 族模型对极端风险 的预测能力。 8 第2 章时间序列及g a r c h 族模型介绍 国内外大量研究表明股票市场的波动具有一系列明显的特征。首先,股票市 场有时相当稳定,有时波动异常激烈,收益率的变化常常呈现在某一段时间内持 续偏高或持续偏低的现象,这就是通常所说的波动集群性。波动集群现象的出现 源于外部冲击对股价波动的持续影响,在收益率的分布上则表现出“尖峰厚尾 的特征。其次,股票市场上往往呈现出“杠杆效应”,股价的变化趋势往往与波 动的变化趋势负相关,“坏消息”的波动明显大于“好消息引起的波动。再次, 股票市场的波动往往具有记忆性,具体而言,波动性的冲击往往需要持续一段时 间才能消失。g a r c h 族模型能够比较成功刻画股市的“尖峰厚尾 和波动集群 现象,因此在实证中获得了广泛应用。g a r c h 、i g a r c h 、e g a r c h 、t a r c h 、 p a r c h 、a r c h m 等一系列模型构成现在的g a r c h 族模型体系。同时,在对 g a r c h 族模型残差的分布假定上也有了进一步的扩展,最初的g a r c h 族模型 假定残差服从条件正态分布。b o l l e r s l e v 引入s t u d e n t - t 分布用以刻画模型残差的 分布特征。n e l s o n 则建议使用“广义指数分布”来更为灵活地描述“厚尾 特征, 正态分布可以视为广义正态分布的一个特例。 在介绍g a r c h 族模型之前,有必要先介绍时间序列模型的相关概念以便更 好了解g a r c h 族模型。 2 1 时间序列相关概念 对一随机时间序列进行研究,若要建立g a r c h 等模型,首先要考虑该时间 序列的性质,检验时间序列是否满足建模的条件。如果时间序列不满足建模条件, 那么就要用其他方法对该序列进行恰当的处理,使得处理后的时间序列满足建模 条件。 2 1 1 自相关系数( a u t o c o r r e l a t i o n s ,简称a c ) 相关性主要用来衡量两个不同序列随着时间变动的相互关系。而自相关衡量 9 的是,随着时间的变动,同一序列观测值与其滞后项之间的相互关联程度。n 阶 自相关系数是时间序列置与其自身滞后1 1 期所形成的序列之间的相互关系。 时间序列置滞后k 阶的自相关系数由下式估计 7 一一 ( z x ) ( 置- - x ) 咯= 型生1 _ ( 置- x ) 2厶“ t = l ( 2 - 1 ) 其中x 是序列的样本均值,称为时间序列五的自相关系数,自相关系数 可以部分刻画一个随机过程的性质。自相关系数告诉我们在序列五的邻近数据 之间存在多大程度的相关性。 2 1 2 偏自相关系数( p a r t i a la u t o c o r r e l a t i o n s ,简称p a c ) 偏自相关系数是指在给定z 书五彩一。的条件下,z 与置一。之间的条件 相关性。其相关程度用偏自相关系数纯。度量。在p 阶滞后时,估计偏相关系数 的计算公式如下: f ,i j | = 1 刮兰二罄:兰:! ( 2 - 2 ) 【1 一荟纯证, 其中,是在k 阶滞后时的自相关系数估计值。 2 1 3 时间序列的平稳性 纯f2 纯一1 j 一饩纯一1 i f l 、协方差平稳过程的定义 一个有有限二阶矩的随机过程置满足下列条件时是协方差平稳的: ( 1 ) 对任意的时间f ,五的均值e ( 五) 恒为常数,e ( 置) = o o ; 1 0 ( 2 ) 对任意的时间f ,五的方差恒为常数,v a t ( x , ) = 盯2 o o ( 3 ) 对任意的时间f 和t + h ,其协方差c o y ( x , ,五+ ) 只与其间隔h 有关,而与 f 的大小无关 2 、单位根过程的定义 随机时间序列置是一单位根过程,如果其满足: 置= 口+ 置一l + 毛; r = 1 ,2 t ( 2 - 4 ) 其中口为常数,q 为稳定过程。若口0 ,则称其为带趋势的单位根过程。 单位根过程不是稳定过程,但是一阶差分后为稳定过程。 3 、单位根检验( a u g m e n t e dd i c k e y f u l l e r 检验,简称a d f 检验) 单位根检验是现代时间序列分析中检验平稳性的有效方法,近年来在实证金 融分析中被广泛采用,一般采用a d f 检验来判断时间序列是否存在单位根。 p 馘= y 置一l + 屈缸一,- g , f = 1 ,2 ?( 2 5 - a ) j 皇l a x , :y s t _ 1 + a + 圭屈战一,一鸬 r :1 ,2 。丁( 2 - 5 - b ) 1 = 1 p 置= y 置一l + o r + s t + e 屈置一f - g t t = l ,2 t( 2 - 5 - c ) ,互l 扩展定义将检验 船n 0 y o q = l ,2 p ) ,则称收益率服从a r c h ( p ) 模 型,即收益率时间序列由两个方程决定,一个是条件均值方程,另一个是条件方 差方程,其中五是一些外生变量或收益率滞后值构成的向量,是参数列向量。 魄是条件方差,p 为a r c h 模型的阶数。通常将t - 1 期的已知信息集合表示为q h , 可以知道,q 的条件期望和条件方差分别为 e ( 岛iq f - 1 ) =

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论